基于分块2DPCA 与2DLDA的单训练样本人脸识别

• 作者: 周康 李德华 覃磊
• 来源期刊: 微电子学与计算机
• 关键词: 单训练样本 人脸识别 二维主成分分析(2DPCA) 二维线性判别分析(2DLDA)
• 年，卷（期）: 2015,（11）
• 页码范围: 105-110
• 页数: 6页
• 分类号: TP393
• 语种: 中文

摘要

二维线性判别分析（2DLDA ）在人脸识别已经获得巨大成功，然而用于单训练样本人脸识别问题方法失效，因为每类需要多个样本计算类内散度．对此提出了一种新的基于图像矩阵的分块二维主成分分析＋二维线性判别分析（Block 2DPCA＋2DLDA ）的单训练样本人脸识别算法．首先将图像进行分块，并按其位置将子图像分成多个样本集，在每个样本集上应用2D PC A算法，进行第一次识别．其次将第一次识别出的已知类别的测试样本并入原单训练样本集中，原单训练样本集成为多训练样本集．最后在新的训练样本集和测试集上应用2DLDA算法作为第二次识别，识别第一次未能识别出的图像．Block 2DPCA＋2DLDA算法在ORL人脸数据库上被检测，实验结果表明Block 2DPCA＋2DLDA识别结果优于PCA、2DPCA等算法．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李德华	华中科技大学自动化学院	123	1321	19.0	29.0
2	覃磊	华中科技大学自动化学院	8	63	4.0	7.0
6	周康	武汉轻工大学数学与计算机学院	10	32	4.0	4.0